JURNAL_17210098_FADHLI MUHAMMAD

• FADHLI MUHAMMAD
• 2025

---

Kemiskinan merupakan kondisi dimana hak atau kebutuhan dasar seseorang seperti pangan, sandang, perumahan, kesehatan dan pendidikan belum terpenuhi. Kemiskinan dipengaruhi faktor yang saling terkait yaitu pendidikan, pengangguran, kesehatan, lokasi, konsumsi, lingkungan, upah yang tidak memadai, dan buruknya taraf hidup atau pendapatan masyarakat. Segmentasi kemiskinan bukan hanya sekadar membagi data masyarakat miskin menjadi kelompok-kelompok tertentu, tetapi juga menciptakan pemahaman yang lebih mendalam mengenai karakteristik dan kebutuhan spesifik masing-masing kelompok tersebut. Dengan demikian, segmentasi ini dapat mendukung strategi penanganan kemiskinan yang efektif, mengurangi pemborosan sumber daya, serta meningkatkan dampak positif dari berbagai program bantuan sosial secara keseluruhan. Bagi pemerintah maupun lembaga sosial yang menghadapi data masyarakat yang kompleks dan besar, penerapan segmentasi berbasis data mining seperti K-Means Clustering menjadi penting. Dataset yang digunakan pada penelitian ini diambil dari kaggle. Tools yang digunakan untuk pembangunan model K-Means adalah Knime, yaitu platform tunggal open source untuk ilmu data science. Jumlah cluster ditentukan sebanyak 3, sesuai dengan rekomendasi dari Elbow methode. Dari Evaluasi model denganmenggunakan Silhouette Score didapat skor sebesar 0,3, dan DBI sebesar 0,8 menandakan bahwa segmentasi kemiskinan berdasarkan daerah di Indonesia dengan K- Means telah terbentuk dengan cukup baik Dengan adanya dinamika perekonomian, politik, kondisi iklim yang tidak menentu di Indonesia yang dapat mempengaruhi tingkat kemiskinan, maka diperlukan penelitian berkelanjutan untuk mendapatkan model optimal pada segmentasi kemiskinan daerah di Indonesia.

https://repository.bsi.ac.id/repo/71510/JURNAL_17210098_FADHLI-MUHAMMAD
File full-text dikunci.